علیرغم هیجانی که در مورد تداوم ساخت هوش مصنوعی مولد وجود دارد، شرکت های نرم افزاری تخمین های درآمد و پیش بینی های رشد خود را در سال جاری به سمت پایین تنظیم کرده اند. این تغییر تا حدی به این دلیل است که مدیران خریداران نرمافزار وقت خود را صرف میکنند تا به طور متفکرانه خود را برای موفقیت در عصر هوش مصنوعی مولد قرار دهند.
در نتیجه، مدیران تصمیمات خرید خود را به تاخیر می اندازند و قراردادهای چند ساله منقضی را با قراردادهای سالانه جایگزین می کنند تا زمانی که بتوانند یک استراتژی جامع برای سرمایه گذاری های مرتبط با هوش مصنوعی ایجاد کنند. این امر منجر به کاهش خرید محصولات و خدمات سنتی و غیر هوش مصنوعی شده است و در نتیجه برآوردهای رشد شرکتهای فروشنده نرمافزار کاهش مییابد.
بنابراین، چه چیزی پشت این کندی موقت است؟ ساده است – مدیران تا زمانی که استراتژی هوش مصنوعی مولد خود را به طور کامل در نظر نگیرند، از انجام تعهدات اصلی خودداری می کنند.
چرخه پذیرش هوش مصنوعی مولد
همانطور که پتانسیل هوش مصنوعی مولد را ارزیابی میکنید، احتمالاً از خود میپرسید که ما در چرخه تبلیغات و پذیرش کجا ایستادهایم. برای درک این موضوع، اجازه دهید به سفر محاسبات ابری نگاه کنیم، که حدود دو دهه پیش ظهور کرد. پذیرش ابری با مقاومت و نگرانیهایی در مورد امنیت، حریم خصوصی و انطباق مواجه شد که تقریباً یک دهه طول کشید تا برطرف شود. پذیرش اصلی راه حل های ابری و SaaS تا یک دهه بعد اتفاق نیفتاد.
چشم انداز هوش مصنوعی مولد شباهت هایی به روزهای اولیه ابر دارد. مدیران اجرایی در حال حاضر با پیامدهای امنیت، حریم خصوصی و انطباق تغذیه دادههای خود در مدلهای هوش مصنوعی و تضمین ایمنی در برابر سوء استفاده و مسئولیتها دست و پنجه نرم میکنند. با این حال، تفاوت اساسی بین ابر و هوش مصنوعی وجود دارد. برخلاف ابر، که نیاز به پلتفرم مجدد راهحلهای موجود داشت، هوش مصنوعی مولد یک پلتفرم تکاملی است که میتواند از طریق زیرساختهای ابری موجود ارائه شود.
این تمایز به معنای کوتاهتر است انتشار نوآوری چرخه برای هوش مصنوعی مولد در مقایسه با ابر. در نتیجه، ما میتوانیم انتظار داشته باشیم که پذیرش هوش مصنوعی مولد سریعتر شتاب بگیرد، که ناشی از شناخت روزافزون مزایای آن و دسترسی روزافزون به پلتفرمها و ابزارهای مولد هوش مصنوعی قوی است.
درک اینکه در چرخه پذیرش هوش مصنوعی مولد کجا هستیم می تواند به شما کمک کند تا در چشم انداز فعلی حرکت کنید، تحولات آینده را پیش بینی کنید و تصمیمات آگاهانه ای در مورد گنجاندن هوش مصنوعی مولد در سازمان خود بگیرید.
ما در حال حاضر در میانه مرحله “ساخت” هستیم که تخمین زده می شود حدود 1-2 سال طول بکشد. در طول این مرحله، شرکتها فعالانه روی سختافزار و زیرساخت هوش مصنوعی سرمایهگذاری میکنند و زمینه را برای نوآوری مولد مبتنی بر هوش مصنوعی در آینده فراهم میکنند.
در این مرحله سازمانها عبارتند از:
-
برنامه ریزی و سرمایه گذاری در سخت افزار و زیرساخت هوش مصنوعی برای پشتیبانی از قدرت پردازش و نیازهای ذخیره سازی داده های هوش مصنوعی مولد.
-
ساختن مدلهای هوش مصنوعی مولد پایهای که به عنوان مبنایی برای کاربردهای بعدی و موارد استفاده عمل میکنند.
-
توسعه خطوط لوله داده و معماری های حاکمیتی برای ساده کردن جریان داده ها و تضمین انطباق با مقررات.
-
پیشگامان در حال آموزش این مدلهای پایه بر روی زیرمجموعهای از دادههای تجاری هستند تا تأثیر بالقوه آنها را بسنجند.
در نتیجه، انباشت ارزش در هوش مصنوعی مولد در حال حاضر بر روی بازیگران کلیدی زیر متمرکز شده است:
-
شرکتهای سختافزاری مانند Nvidia، AMD و SuperMicro، قدرت پردازش و زیرساختهای مورد نیاز برای پشتیبانی از هوش مصنوعی مولد را فراهم میکنند.
-
ارائه دهندگان نرم افزار زیرساخت، مانند Scale AI، Run: AI و Informatica، در حال توسعه ابزارها و پلتفرم هایی هستند که هوش مصنوعی مولد را فعال می کنند.
-
ارائه دهندگان ابر مقیاس ابر و مدل زبان بزرگ (LLM) مانند مایکروسافت، آمازون، گوگل، متا و OpenAI، مقیاس و زیرساخت لازم برای استقرار هوش مصنوعی مولد در سطح سازمانی را ارائه می دهند.
همانطور که بازار هوش مصنوعی مولد به تکامل خود ادامه میدهد، میتوان انتظار تغییر از مرحله “ساخت” به مرحله “رشد” را داشت که تخمین زده میشود حدود سه تا پنج سال طول بکشد. در طول این مرحله، پذیرش از مبتکران به پذیرندگان اولیه و در نهایت به اکثریت اولیه منتقل خواهد شد.
این سرعت پذیرش سریع به دلیل اقتصادهای مهم یادگیری ناشی از تجربیات تحول دیجیتال است که انتقال به هوش مصنوعی مولد را تسریع میکند. شرکتهایی که محصولات و خدمات مبتنی بر هوش مصنوعی را با موفقیت ساختهاند، مانند Adobe، Workday، ServiceNow و Microsoft، برای سرمایهگذاری در مرحله رشد موقعیت خوبی خواهند داشت. اپراتورهای مرکز داده Cloud و Edge نیز با آماده شدن صنعت برای مقیاس عظیم سود خواهند برد.
در مرحله بعد، صنعت وارد فاز «مقیاس» می شود که تخمین زده می شود حدود پنج تا ده سال دوام بیاورد. در اینجا، هوش مصنوعی مولد به طور گسترده توسط اکثریت متأخر پذیرفته می شود و به بخشی جدایی ناپذیر از شیوه های کاری اصلی تبدیل می شود. فوریت ایجاد ارزش، کمی سازی ROI و داستان های موفقیت و مدل های استقرار اثبات شده از پذیرندگان قبلی، اعتماد به نفس را در کاربرد سریع راه حل های هوش مصنوعی مولد القا می کند.
ادغامکنندههای راهحلهای هوش مصنوعی نیز در این مرحله رشد خواهند کرد، زیرا از تقاضای رو به رشد برای راهحلهای هوش مصنوعی و تخصص بهره میبرند. با افزایش مقیاس بازار، میتوان انتظار داشت که شاهد تغییر قابل توجهی به سمت پذیرش در مقیاس بزرگ باشیم و هوش مصنوعی مولد به یک ابزار استاندارد در بسیاری از صنایع تبدیل شود.
همانطور که مدیران در چشم انداز پیچیده پذیرش هوش مصنوعی مولد حرکت می کنند، آنها به دقت ریسک های بالقوه را در برابر فرصت های بازگشت سرمایه (ROI)، اولویت بندی موارد استفاده و انتخاب فروشنده می سنجند. علاوه بر این، آنها همچنین به نیاز به اطمینان از آمادگی و آموزش کارکنان، و همچنین فرآیندهای مدیریت فرهنگی و تغییر که از انتقال آرام پشتیبانی می کند، توجه دارند.
به طور خاص، مدیران عوامل کلیدی زیر را در نظر می گیرند:
-
ROI: بازده سرمایه گذاری بالقوه برای هوش مصنوعی مولد چیست و چگونه می توان آنها را اندازه گیری و نظارت کرد؟
-
اولویت بندی موارد استفاده: کدام موارد استفاده خاص بیشترین پتانسیل را برای ایجاد ارزش دارند و چگونه باید منابع را بر این اساس تخصیص داد؟
-
فروشنده: فروشندگان چه سطحی از پیچیدگی و تخصص در هوش مصنوعی مولد دارند و آیا نقشه راه روشنی برای توسعه آینده دارند؟
-
آمادگی کارکنان: چگونه می توان کارکنان را به طور موثر آموزش دید و برای کار با هوش مصنوعی مولد آماده کرد و چه تغییرات فرهنگی برای حمایت از پذیرش گسترده لازم است؟
-
فرهنگ و مدیریت تغییر: سازمانها چگونه میتوانند اطمینان حاصل کنند که فرهنگ و فرآیندهای مدیریت تغییر آنها برای انطباق با تأثیر تغییرپذیر بالقوه هوش مصنوعی مولد آماده است؟
با در نظر گرفتن دقیق این عوامل، مدیران می توانند تصمیمات آگاهانه ای در مورد پذیرش هوش مصنوعی مولد بگیرند، خطرات بالقوه را کاهش دهند و پتانسیل ایجاد ارزش تجاری را باز کنند. درصد سازمان هایی که گزارش می دهند قبلاً به مزایای مورد انتظار خود دست یافته اند
منبع: https://aibusiness.com/nlp/generative-ai-strategy-primer-for-executives